原图 处理后的效果图
35基于图像分割的静止图像车牌识别系统研究 提示：
静止图像车牌识别系统有以下几部分组成：
图像获取?图像处理?图像分割?字符识别?数据库管理。
车牌区域提取是关键（提示：可以通过确定车牌上下边界和确定车牌左右边界来获取）。 车牌字符的分割（提示：对于单行车牌，进行水平投影，其波谷极为字符分界区；如果按照对于单行车牌的分割方法得到的字符数为5 , 即可判定为双行车牌。此时,只要在原车牌上方再扩成一个车牌区域即可,然后将上方区域视为一个单行车牌进行分割）。 要求：、
（1）语言不限，编程实现图像处理部分的效果。 （2）显示每一步图像处理的结果。
原图：
36基于图像处理的自动报警系统
主要内容：
采用图像的自动报警系统，通过对所监视场景的全景拍摄，从序列图像中将变化区域从背景中分割出来能够分离出运动的像素点和静止的像素点通过对检测到的运动像素点数来判断是否出现不希望的运动，并决定是否报警。
要求：
（1） 对原图像采用中值滤波进行图像平滑处理。
（2） 对平滑后的图像进行二值化处理。选用的是阈值判定法（阈值分别为40、50、60）进行结果比较。 （3） 利用Sobel算子进行边缘检测。
（4） 利用背景相减法对运动目标进行检测该算法就是将待处理图像的灰度图与标准图像的灰度图的对应像素灰度值相减，
完成对是否有人进入的监控。
原屋子图像 平滑后的图像
需要检测是否有人闯入的图像（a） 需要检测是否有人闯入的图像（b）
帧与背景相见后的图像与（a）图对应 帧与背景相见后的图像与（b）图对应
37基于彩色阈值变换的香蕉彩色图像分割
主要内容：
利用香蕉和其它水果及其背景颜色在R,G,B分量上的差异进行识别,根据香蕉和其它水果在R,G,B分量的二值化处理，获得特征提取的有效区域，然后提取特征，达到提取香蕉的目的。
实验步骤：
1) 分别截取图像中香蕉和其它水果的感兴趣区域，并将其转换为R分量、G分量、B分量的灰度图像对各个分量进行灰度值统计，得到灰度直方。
2) 设定阈值对其进行二值化。.
3)特征提取。根据香蕉、草莓、奇异果的特征统计出各自的个数。
原图片
38基于图像处理的微小塑料齿轮轮廓优化
主要内容：
通过计算机视觉系统的构成、图像预处理、图像分割和数字图像的像索连通性理论与技术的研究提出，微小塑料齿轮的二值图像噪声点去除及齿轮轮廓提取方法，用数学形态学方法提出轮廓的简化算法采用边缘滤波器对图像进行去噪处理。
要求： 1、 对图像进行二值化处理，确定阈值 2、 采用Robot边缘检测算法进行边缘提取齿轮的轮廓 3、 分别统计出大齿轮和小齿轮上面齿的个数和每个齿轮上齿之间的角度。
39基于MATLAB的燃油喷雾图像处理方法 主要内容：
对雾图像进行分割和滤波处理，将多幅图像转换融合为一幅比较清楚的二值图像提取其轮廓图MATLAB程序来分析处理燃油喷雾图像。
要求：
1）运用直方图均化函数histeq处理，使图像细节更加清楚，然后设置阈值。 2）对灰度图像进行LOG算子滤波，进行边缘检测，提取边界点然后进行拟合。 图片：
原图像 二值化后的图像 最终的图像
40基于数字图像处理的答题卡识别方法
主要内容：利用基于Hough变换的直线检测技术检测图像的倾斜。对存在倾斜的图像进行旋转校正，最终实现答题卡的定位和检测。
实验步骤：
1、检测图像倾斜度及旋转校正
Hough变换检测图像中自线的倾角以及校正步骤如: 1) 读取整幅图像，将彩色图像变为灰度图像. 2) 将图像变为二值图像。 3) 对图像进行Hough变换。
4) 找到Hough变换域空间的峰值。
5) 判断找到的峰值所对应的是否为答题卡图像中的直线。
2、答题卡的识别
找到答题卡中每一个选项的坐标，然后统计以该坐标为左顶点的矩形区域的灰度值总和。如果这个值小于某个阈值，则判断该选项为黑，就是该选项已涂。
实验图片：
41利用图像处理技术检测粮仓害虫的研究
内容：根据资料显示,全世界每年至少有5%的粮食被害虫糟踏。我国总存储粮食量约为4750亿kg,国库粮食损失约为0.2%，已是十分惊人.因此许多科研人员致力于粮仓害虫的检测、识别和怎样有效地杀死害虫的研究,新的测虫、杀虫方法不断出现. 在检测害虫方面，国内技术还比较落后。随着计算机技术的飞速发展,数字图像处理及模式识别技术在害虫检测方面也得到一定程度的发展与应用。 要求：找出粮食当中的害虫位置，并统计出害虫的个数。 提示：
1、进行通常的滤波、去噪、增强预处理；
采用基于图像直方图统计信息的阈值处理算法对图像进行快速的二值化方法处理。
42二维条码识别
内容：在信息时代,信息流日益成为物流系统的重要组成部分,ADC(Automatic Data Capture自动化数据采集)技术是信息采集和处理的关键技术,条码则是ADC中使用最为广泛的一种.二维条码是在传统的一维条码基础上发展起来的,传统的一维条码由于受信息容量的限制,必须依赖数据库.二维条码的信息密度高,信息容量大可以不依赖于数据库.传统的一维条码只有校验功能没有纠错能力.二维条码具有错误校验和错误纠正功能,即使条码符号有污点、残缺也能被识出. 要求：1、对给出的倾斜条码进行校正和旋转； 定位出图像上的条码；
在条码中分割出单个码字符号图像； 对分割出的单个码字符号进行识别。
图1
43利基于连通域分析的木头个数检测 要求：
利用连通域分析算法检测出图像中所有木头个数（未在图像中完全显示的木头不算）。连通域分析算法就是对当前像素点的连通域内其他像素进行判读，如果与当前像素相同则认为是同一目标。遍历整个图像则可以统计出图像内的所有目标。按照此想法完成木头个数的检测。 试验图片：
参考步骤：
（1）利用图像分割将所有木头从背景中提取出来
（2）对分割后的图像进行边缘检测，将边缘在图像中不封闭的木头滤除 （3）对处理后的图像进行连通域分析 （4）统计木头个数
44 打靶环数检测 要求：
通过对靶板图像进行识别，完成自动报靶的功能。每两个环之间的距离是已知的，靶心坐标也是已知的，判断出弹孔位置处在多少环。除了对弹孔位置进行识别，而且还要统计出中靶的弹孔个数，以及中靶的平均成绩。原靶板图像和带弹孔靶板图像均为已知图像。
相关推荐：
loading